Flödesoptimering av GROT-flis med beslutsstödet BioMax

Transkript

1 Flödesoptimering av GROT-flis med beslutsstödet BioMax Optimizing forest residue chips flows with the decision support BioMax Karl Narfström Arbetsrapport Examensarbete 30hp A1E Jägmästarprogrammet Handledare: Dag Fjeld Sveriges lantbruksuniversitet ISSN Institutionen för skoglig resurshushållning ISRN SLU SRG AR 400 SE UMEÅ Tfn:

2

3 Flödesoptimering av GROT-flis med beslutsstödet BioMax Optimizing forest residue chips flows with the decision support BioMax Karl Narfström Examensarbete i skogshushållning vid institutionen för skoglig resurshushållning, 30 hp Jägmästarprogrammet EX0707 Handledare: Dag Fjeld, Institutionen för skoglig resurshushållning, teknologi, SLU Extern handledare: Andreas Johansson, AB Karl Hedin Extern handledare: Bo Holm, AB Karl Hedin Examinator: Ola Eriksson, Institutionen för skoglig resurshushållning, planering, SLU Sveriges lantbruksuniversitet ISSN Institutionen för skoglig resurshushållning ISRN SLU SRG AR400 SE Utgivningsort: Umeå Utgivningsår: 2013

4 Förord Detta examensarbete är en del av jägmästarutbildningen och omfattar 30 hp. Det har skrivits under Institutionen för skogshushållning vid Sveriges Lansbruksuniversitet i Umeå. Beställare av projektet var AB Karl Hedin Råvara. Jag vill tacka min handledare vid SLU, Dag Fjeld som bidragit med expertkunskap och ett mycket stort engagemang. Hos AB Karl Hedin vill jag tacka Andreas Johansson och Bo Holm för god handledning och värdefulla synpunkter under arbetets gång. Jag vill även tacka Stig Strömberg för fältdemonstration av de olika maskinsystemen och för god hjälp med datainsamling. På Skogforsk vill jag tacka Mikael Frisk som givit goda råd avseende optimeringsspecifika frågor. Jag vill även tacka min sambo Sara Sköld som tålmodigt hjälpt mig att korrekturläsa rapporten. Karl Narfström

5 Sammanfattning Sönderdelning och transport av GROT (grenar och toppar) kräver dyra maskinsystem samtidigt som efterfrågan av sortimenteten varierar kraftigt under året. Det är därför svårt att planera flöden av GROT-flis effektivt och samtidigt välja rätt maskinsystem. AB Karl Hedin är en sågverkskoncern lokaliserad i Bergslagen. De äger fyra sågverk varav tre är sverigebaserade. De levererar även GROT-flis till flertalet värmeverk och har ett behov av ett beslutsstöd som underlättar sortimentets flödesplanering och föreslår maskinsystem. Projektets syfte var att skapa ett användarvänligt enperiodsbeslutsstöd med mål att maximera den totala vinsten och genom detta kvantifiera GROT-flisflödets förbättringspotential. Nio månaders historiska flödesdata kartlades och användes som jämförande testperiod. Genom en fallstudie bestående av två scenarier analyserades optimeringar med månadsvisa, kvartalsvisa och säsongsvisa (9 mån) optimeringshorisonter: 1. Optimering genomfördes med historisk identisk tillgång och efterfrågan från testperioden. Beslutsstödet gavs således utrymme att styra flöden såväl som maskinsystemval. 2. Optimering genomfördes med historisk identisk tillgång från testperioden. Avseende efterfrågan tilläts ett avsteg på maximalt 10 % från varje mottagares verkliga inlevererade energimängder. Beslutsstödet gavs därigenom dessutom utrymme att delvis omfördela energimängder mellan mottagare. Resultatet visade att längre optimeringshorisonter genererade högre potentiella vinster. Det andra scenariots tillåtna avsteg från respektive mottagares inlevererade energimängd styrde optimeringsutfallen mot transportavståndsminimering snarare än att höja leveranserna till de bäst betalande mottagarna. Optimeringarna genererade estimerade höjningar av den totala vinsten på 4,9 till 9,2 % beroende på scenario och optimeringshorisont. Medeltransportavståndet reducerades vid optimering i genomsnitt med 12 km. Maskinsystemet lastbilshugg föreslogs genomgående före traktorhugg/lastväxlare. Nyckelord: linjär programmering, optimering, logistik, biobränsle, transportarbete 7

6 Summary Chipping and transportation of forest residues requires expensive machine systems and the delivery of this assortment must meet a large seasonal variation in demand. This makes for complex planning and decision support is needed to better select the right system and plan the transportation. AB Karl Hedin is a sawmill company based in the Bergslagen area of Sweden. They own four sawmills, three of which are located in Sweden. They also supply raw materials to several plants, for which they expressed the need for a decision support system to handle the flows of forest residues. The project's aim was to create a user-friendly single-period decision support system for optimizing forest residue chipping and flow planning, as well as to quantify the possible improvement potential enabled by such a system. The objective of the decision support was to maximize the profit. The development and test of the system was done using nine months of historical data from To quantify the improvement potential enabled by the system, two scenarios were analyzed with monthly, quarterly and seasonal (9 months) optimization horizons: 1. Optimization was performed using the identical supply and demand as found during the test period. In this scenario, the decision support was only allowed to influence the choice of machine system and destination of the transportation flows. 2. Optimization was performed with identical supply as found during the test period. The delivery to each customer was allowed to deviate up to 10 % from the historical delivery, with a greater possibility for re-allocation between customers. The results showed that longer optimization horizons generated a higher potential profit. A permitted delivery deviation of up to 10 % generated a result which was primarily more by the transport cost than customer price. This is because transport distance varied more between potential customers than price did. The results showed that the potential increase in profit varied between 4,9 and 9,2 % depending on the scenario and optimization horizons. The average transport distance reduction for all the optimizations was 12 km. Both scenarios resulted in truck-mounted chippers being more frequently chosen than tractor-mounted chippers. Keywords: linear programming, optimization, logistics, biofuel, transport work 8

7 Innehåll Förord... 6 Sammanfattning... 7 Summary Inledning Bakgrund Tidigare studier avseende flödesplanering Uppdragsgivare Syfte Material och metod Beslutsstödets modellformulering Skapande av avståndsmatris Beräkningssteg vid modelltillämpning Analys av fallstudie Känslighetsanalys av traktorhugg/lastväxlares tariffer Resultat Kartläggning av testperiodens historiska GROT-flis flöde Scenario Scenario Jämförelse mellan Scenario 1 och Scenario Känslighetsanalys av traktorhugg/lastväxlares tariffer Diskussion Kritik mot beslutsstödets modellformulering Kritik mot beslutsstödets indata Utvärdering av beslutsstödets förbättringspotential Ekonomisk vinst Medeltransportavstånd Optimeringshorisontens effekt på upptagningsområden Leveransplansavstegets effekt på optimeringsutfall Resultatpresentationens betydelse vid flödesoptimering Metodik för användning av BioMax som förhandlingsstöd Framtida utveckling av systemval Slutsatser Referenser Bilagor

8 1. Inledning 1.1 Bakgrund Andelen förnyelsebar energi i Sverige ligger på ca 47 % men det finns ett nationellt mål på 50 % till år 2020 (Energimyndigheten, 2009). Drygt 20 % (137 TWh) av Sveriges totala energitillförsel år 2010 bestod av biobränslen (Skogsstyrelsen, 2012). Skogsindustrin har under de senaste 5 åren ökat leveransen av biobränsle med 3 TWh/år, motsvarande 1 till 1,5 miljoner m 3 fub/år. Ökningen beror till stor del på att problem kring den globala uppvärmningen blivit allt mer aktuella samtidigt som råoljepriserna är långsiktigt stigande (Björheden et al., 2010). Merparten av biobränslen från skogsindustrin är restprodukter från massaindustrin och sågverken men en växande andel kommer direkt från skogen. 32 TWh biobränslen med ursprung i skogsbruket eldades år 2010 i värmeverk och ca 12 TWh (Skogsstyrelsen, 2012) av detta utgjordes av avverkningsrester i form av GROT (grenar och toppar). Vid transport fyller dessa avverkningsrester i flisad form ca lastbilslass. Av stora transporterade volymer följer att det är av vikt att transporterna genomförs effektivt, dels för att minimera miljöbelastningen, dels för att maximera GROThandelns vinst. En slutavverkning resulterar normalt i huvudsortimenten: timmer, massaved och GROT. Kortvirkesmetoden är den helt dominerande avverkningsmetoden i Sverige och bygger på att avverkning och aptering sker med skördare, att transport av rundvirket till bilväg sker med skotare och att transport till industri sker med timmerbil. GROT skördas i samband med rundvirkesskörd men skotas vanligen med en specialbyggd skotare. Sönderdelning och transport av GROT kan ske med ett flertal olika maskinsystem (Figur 1). Det vanligaste förekommande maskinsystemet är kombinationen traktorhugg och lastväxlare (Eliasson, 2010). Traktorhugg är en skotare med monterat huggaggregat som vanligen flisar GROT direkt i buren balja som därefter tippas i containrar passande för lastväxlaren. Traktorhuggens största fördel är att den når objekt som ej är tillgängliga från bilväg, nackdelen är att systemet är dyrt. Lastväxlaren är en lastbil med plats för tre containrar. Varianten finns även där traktorhuggen flisar direkt på marken eller på matta och vidaretransport sker med skopbil (självlastande flisbil). Lastkapaciteten för såväl lastväxlare och skopbil ligger mellan ton. Traktorhugg/lastväxlare lämpar sig bäst för större avlägg med längre transporter. Lastbilshugg är ett integrerat sönderdelnings och transportsystem som blir allt vanligare. Standardvarianten är en lastbil med en hugg monterad bakom första baljan följt av ett släp med ytterligare en balja. Nackdelarna med systemet är att det endast når vältor längs bilväg samt att lastkapaciteten är låg (25-28 ton) då huggaggregatet hela tiden transporteras. Fördelen är att flyttkostnader för externa maskinsystem för flisning elimineras. En kostnadsanalys (Berglund & Larsson, 2012) visar att systemet är okänsligt för vältstorlek och att det är bäst lämpat för kortare transportavstånd. Vid transport av GROT-flis från terminal används ofta flisbil som är en lastbil med två tippbara lastutrymmen med en total lastkapacitet på ton. (Skogforsk, 2013) Maskinsystemstariffer varierar men normalt sett har en lastbilshugg en fast kostnad på ca 120 kr per ton och en rörlig kostnad på ca 1,5 kr per tonkm (enheten tonkm används för att mäta transportarbete, och innebär transporterad distans (km) multiplicerad med transporterad massa (ton)). En stor leverantör levererar ca 3 TWh GROT-flis per säsong (Haapaniemi, 2011) och om denne leverantören har 80 km i medeltransportavstånd medför det en årskostnad för sönderdelning och transport på ca 300 miljoner kronor. 10

9 Transportplaneringen av GROT är mycket komplext då tillvaratagandet är dyrare än tillvaratagandet av rundvirke samtidigt som GROT är ett mindre värt sortiment vilket leder till lägre marginaler. Efterfrågan av GROT är dessutom säsongsberoende (Haapaniemi, 2011) med en tydlig topp under årets kalla månader vilket ytterligare försvårar transportplaneringen. Figur 1. Illustrering av en GROT-välta samt olika maskiner för transport och sönderdelning. I bilderna visas: a. GROT-välta, b. GROT skotare, c. traktorhugg, d. lastväxlare, e. lastbilshugg och f. flisbil (Skogforsk, 2013). Figure 1. Illustration of forest residue storage at roadside and different machine systems for transportation and chipping. In the images shown: a. forest residues in forest, b. forest residue forwarder, c. tractor-mounted chipper, d. switch-body container truck, e. truck-mounted chipper and f. wood chip trucks. Transportplanering delas upp i tre planeringsnivåer: strategisk, taktisk och operativ. Strategisk planeringsnivå innefattar tidsperioder över år och längre och berör beslut som t.ex. upphandling av transportresurser. Taktisk planeringsnivå berör månader till kvartal och det viktigaste beslutet är destinering av råvara. Destinering innebär planering av råvaruflöden i huvudsyfte att minimera den totala transportsträckan eller att maximera den ekonomiska vinsten (Carlsson & Rönnqvist, 1998; Shapiro, 2001). På taktisk planeringsnivå är det även möjligt att identifiera returflöden (möjlighet att transportera råvara, på tillbakavägen, till mottagare nära ursprungsdestinationen för att undvika körningar med tomma lass). Betonas bör att destinering behandlar flöden (transporter av flera fordon) och inte enskilda fordons rutter. Operativ planeringsnivå innefattar däremot beslut avseende enskilda rutter för respektive fordon och täcker i normalfallet tidsperioder på maximalt en vecka. Huvudsyftet med ruttplaneringen är att reducera andelen tomkörning och för att maximera fordonsflottans kapacitetsutnyttjning (Haksever et al., 2000; Karanta et al., 2000). I dagsläget sköts flödesplaneringen för GROT vanligen manuellt (Haapaniemi, 2011). För att göra detta på bästa sätt krävs att operatörerna fattar rätt beslut gällande från vilken geografi och till vilken mottagare flödena ska gå med hänsyn till tillgångar, leveransplaner, kostnader och intäkter. Exempelvis om ett bolag har sina tillgångar fördelade över 100 geografiska enheter (t.ex. församlingar, kommuner) och leveransplaner mot 10 värmeverk innebär det att 1000 potentiella transportflöden existerar. Antalet beslut avseende 11

10 volymfördelning i alla dessa transportflöden blir oöverskådligt stort och att hitta den optimala lösningen manuellt är i praktiken omöjligt. Problem av denna typ är dock möjliga att lösas matematiskt via optimering genom linjär programmering (Shapiro, 2001). Genom att skapa ett beslutsstöd för destinering av GROT-flis från vägkant till industri är det möjligt att identifiera den kombinationen av flöden som genererar maximal vinst. 1.2 Tidigare studier avseende flödesplanering När ett bolag idag leveransplanerar för biobränslesortiment görs vanligen först en prognos avseende egen tillgång. När de vet vad de kan leverera sluts avtal med värmeverk och leveransplaner skapas. Med avtalade leveransplaner planerar bolaget vanligen leveranser månadsvis för att slutligen genomföra leveranserna. Alla beslut fattas vanligen manuellt (Haapaniemi, 2011). I följande analyser löses problem matematiskt genom optimering: Vid Sveriges Lantbruksuniversitet skapades ett beslutsstöd (Eriksson & Björheden, 1989) i syfte att kostnadsminimera biobränsleflödet från råvarukälla till slutanvändare. Beslutsstödet täcker ett år fördelat på sex perioder och problemet löses via linjär programmering. Fyra biobränslesortiment behandlas och terminallagring är möjligt. Beslutsstödet ger förslag avseende nyttjandegrad av olika sönderdelningssystem och visar även optimala lagernivåer under året av respektive sortiment. Samma beslutsstöd används till ytterligare en studie (Björheden & Eriksson, 1990) där hänsyn även tas till energiförluster till följd av biobränslelagring. Studien visar att det, till följd av reducerade substratsförluster, är möjligt att utvinna 7 % mer energi ur samma råvara till följd av optimering. Vid Lappeenranta University of Technologi konstruerades i mitten på 90-talet en flerperiodsmodell (Lukka, 1994) i syfte att minimera de totala kostnaderna för flödesplanering och lagring av råvaror av olika klasser. Ur biobränslesynpunkt kan olika klasser representeras av olika fukthalter i GROT-flisen. Författaren anser att den största svårigheten är att uppnå tillräcklig precision i indatat. NETRA (Örtendahl, 2001) är ett beslutsstöd som utvecklades i ett examensarbete vid Sveriges Lantbruksuniversitet. Ursprungligen avsåg det destinering av massaved men täcker nu även timmersortimenten. Beslutsstödet syftar till att maximera vinsten och tar hänsyn till betalning till skogsägare, pris från industrin, tillgång/efterfrågan samt transportkostnad. Studiens känslighetsanalys visar att vid längre optimeringshorisonter (tidsintervall för optimering) ges fler valmöjligheter för optimeringen och en högre vinst uppnås. Bergdahl et al. (2003) analyserade genom linjär programmering delar av rundvirkesflödet i norra Sverige och kom även de fram till att längre optimeringshorisonter ger bättre optimeringsresultat. Studien betonar dock att matematiska modeller inte kan ta hänsyn till slumpmässiga variationer, ex skiftande vägbärighet eller kortsiktiga ändringar av transportkvoter, vilket leder till att förbättringspotentialer riskerar att överskattas. Studien visar dessutom att överskattningen ökar vid längre optimeringshorisonter. Vid Linköpings Tekniska Universitet har ett beslutsstöd konstruerats (Gunnarsson et al., 2004) täckande biobränsledestinering, från skörd till försäljning till slutkund, över ett år uppdelat på månadsvisa perioder. Metoden är linjär programmering i syfte att minimera den totala kostnaden. Verktyget ger svar på lämpligaste destinering av biobränsle och tar 12

11 även hänsyn till import, variation av efterfrågan över året samt flödet av restprodukter från trädindustrier. I Italien har en studie gjorts (Freppaz et al., 2004) som visar att det är möjligt att använda linjär programmering för att hitta optimala geografiska lägen för framtida kraftvärmeverk. I Österrike konstruerades ett beslutsstöd (Ashton et al., 2009) täckande ett års försörjning av biobränsleflis med hänsyn till en förväntad, kraftigt ökad efterfrågan. Transportavstånden mellan bilvägslager och industri struktureras i en avståndsmatris, konstruerad i programmet ArcGIS. Kostnader samt tillgång/efterfrågan länkas till avståndsmatrisen och optimering sker genom linjär programmering så att flöden destineras i syfte att minimera den totala kostnaden. Analysen estimerar att terminallagring ökar kostnaderna med upp till 26 %. I Tennessee, USA gjordes en optimering (Zhu et al., 2011) i syfte att maximera användandet av Hirs (Panicum virgatum) som råvara vid bioraffinaderier. Studien visar att det går att planera effektivt för grödor med stor säsongsvariation genom att använda linjär programmering. Skogforsk, som är den svenska skogsnäringens forskningsinstitut, har konstruerat ett flertal beslutsstöd täckande olika planeringshorisonter. FlowOpt (Forsberg et al., 2005) är ett beslutsstöd avseende flödesplanering av rundvirke. Väglager och terminallager destineras till lämpligaste industri i syfte att minimera den totala kostnaden. FlowOpt visar även möjlighet till virkesbyten mellan bolag. Skogforsk har utifrån FlowOpt även utvecklat FuelOpt (Flisberg et al., 2012) som genom linjär programmering destinerar biobränsleflöden i syfte att maximera vinsten. FuelOpt ger svar på vilka områden som är ekonomiskt sett mest lönsamma för biobränsleuttag, vilka kunder och maskinsystem som är mest lönsamma, om terminaler bör användas och i sådana fall i vilken utsträckning. FuelOpt behandlar en tidshorisont på ett år uppdelat på månadsvisa perioder. Kalkylering sker på hel och sönderdelad GROT och hänsyn tas till lagerkostnader. FuelOpt användes för en fallstudie mot Stora Enso Bioenergi AB och estimerade att vinsten där kan ökas upp till 21 % med hjälp av optimering. På operativ nivå har Skogforsk skapat beslutsstödet RuttOpt (Andersson et al., 2007) som fattar beslut med en precision ner till enskilda avlägg och enskilda timmerbilars rutter. RuttOpt föreslår lämpliga rutter och returlaster i syfte att maximera fordonsflottans kapacitetsutnyttjning. Vid University of Joensuu i Finland har det skapats ett beslutsstöd (Palander et al., 2004) som behandlar enskilda biobränsletransporter i syfte att minimera andelen tomkörning. I tillägg till nämnda analyser existerar i Finland beslutsstöd som har implementerats i stor skala under längre perioder. EPO (Linnainmaa et al., 1995) började utvecklas 1991 och användes därefter av dåvarande Enso-Gutzeit. Beslutsstödet behandlar rundvirke och täcker såväl flödesplanering som ruttplanering. Delar av forskargruppen som utvecklade EPO utvecklade senare beslutsstödet KUORMA (Savola et al., 2004). KOURMA har samma funktionalitet som EPO men klarar att lösa mer komplexa problem. Systemet implementerades av Stora Enso i Finland år 2002 och användes där för att planera transporter för en timmerbilsflotta bestående av ca 250 ekipage. Information avseende modellformulering för dessa system ges i Karanta et al. (2000). Även i Chile har beslutsstöd för planering av timmertransporter implementerats sedan länge (Weintraub et al., 1996). I Tabell 1 visas en överblickande sammanställning av nämnd litteratur. 13

12 Tabell 1. Överblickande litteratursammanställning avseende flödesplanering och ruttplanering Table 1. An overview of studies regarding wood flow planning and vehicle routing Analys Målfunktion Perioder Sortiment Kost. Vinst En Flera Rundvirke Biobränsle Annat Författare, år (mjukvara) Min. Max. Eriksson, Björheden 1989 x x x Björheden, Eriksson 1990 x x x Lukka, 1994 x x x Linnainmaa et al., 1995 (EPO) x x x x Weintraub et al., 1996 (ASICAM) x x x x Örtendahl, 2001 (NETRA) x x x Bergdahl et al., 2003 x x x x Savola et al., 2004 (KUORMA) x x x x Gunnarsson et al., 2004 x x x Freppaz et al., 2004 x x x Palander et al., 2004 x x x Forsberg et al., 2005 (FlowOpt) x x x Andersson et al., 2007 (RuttOpt) x x x Ashton et al., 2009 x x x Zhu et al., 2011 x x x Flisberg et al., 2012 (FuelOpt) x x x Nämnda beslutsstöd är funktionella men majoriteten kräver specialkompetens för att kunna manövreras. FuelOpt behandlar biobränsle och är det beslutsstöd som täcker flest parametrar men är komplicerat och kan endast manövreras av forskargruppen som skapade det. Optimeringen sker över flera perioder och kräver detaljerat indata. NETRA däremot är ett användarvänligt beslutsstöd som är konstruerat för att kunna hanteras av den enskilde användaren. Det är en enperiodsoptimering som endast täcker destinering av rundvirkessortimenten. Det som saknas i dagsläget är ett användarvänligt enperiodsbeslutsstöd för destinering av biobränsle och ambitionen med detta projekt är att skapa ett sådant. 1.3 Uppdragsgivare Uppdragsgivare för projektet är AB Karl Hedin som är en sågverkskoncern med huvudsakligt verksamhetsområde i bergslagsregionen. AB Karl Hedin har fyra sågverk varav tre är lokaliserade i Sverige och ett i Estland. Den totala omsättningen 2011 var ca tre miljarder kronor och antalet anställda var 825 personer. De är specialiserade på att förädla råvara till färdig produkt som därefter till viss del säljs i någon av deras 30 egna byggmaterialhandlar. De sverigebaserade sågverken förbrukar strax under en miljon m 3 fub timmer per år. Anskaffningen av råvara sker till 50 % genom fältköp, 40 % genom råvarubyten med andra bolag och 10 % genom köp från mindre leverantörer. (Holm 2012, pers. komm.) Råvaruorganisationen inom AB Karl Hedin genomförde nyligen en större omorganisation, där de tog över 25 % av Weda Skog AB och fick sin nuvarande form först vid årsskiftet till AB Karl Hedins fältköpsorganisation är uppdelad på 5 olika geografiska områden och inom varje område verkar ett inköpsteam bestående av 3 till 5 virkesköpare. Utöver detta finns även ett ansvarsområde som innefattar egen skog. Omorganisationen berörde 14

13 även biobränsledelen där en del av Sågbränslen AB tillkom AB Karl Hedin. Biobränsledelen i AB Karl Hedin omfattar samma geografiska område som fältköpsdelen men är uppdelad på två områden. I varje område ansvarar en produktionsledare. AB Karl Hedins verksamhetsområde ligger i södra delen av det boreala barrskogsbältet där markerna är genomgående bördiga och väl lämpade för GROT-uttag. Bolaget har leveransavtal, avseende GROT-flis, tecknade med ett tiotal värmeverk och det finns därför ett behov av ett lätthanterbart beslutsstöd för destinering av sortimentet. Beslutsstödet bör vara tidsmässigt dynamiskt, vilket innebär att det ska vara möjligt att ändra optimeringshorisont genom att mata in tillgång och efterfrågan för önskad tidsperiod. Vid flödesplanering ska beslutsstödet kunna användas för att visa vilka energimängder som bör köras från respektive församlingar till respektive mottagare. Beslutsstödet ska även kunna användas för att skapa ett förhandlingsstöd, inför leveransplansförhandling, som visar hur stora energimängder som är optimalt att leverera till respektive mottagare under rådande förutsättningar. AB Karl Hedins huvudmotiv med projektet är att öka vinsten vid handel med sortimentet GROT-flis. 1.4 Syfte Projektets syfte är att utveckla ett användarvänligt beslutsstöd för destinering av GROTflis. Beslutsstödet ska underlätta beslut avseende maskinsystemval baserat på transportavstånd och transportdestinationer med hänsyn till prisavtal. Projektet består av två delsyften: Skapa ett beslutsstöd för destinering av GROT-flis i syfte att maximera den totala vinsten. Kvantifiera den ekonomiska förbättringspotentialen i ett optimerat flöde jämfört med ett verkligt flöde. Projektet avgränsas av AB Karl Hedins verksamhetsområde och behandlar endast sortimentet GROT-flis. Projektet berör flödesplanering samt generering av stödjande underlag inför avtalsförhandling. 15

14 2. Material och metod Inledningsvis genomfördes ett tre dagars studiebesök vid AB Karl Hedins huvudkontor i Krylbo i syfte att överblicka bolagets struktur samt att uppnå en förståelse för arbetssätt såväl i fält som vid industri. Därefter fördes en diskussion för att specificera syfte och begränsningar med projektet. Det bestämdes då att beslutsstödet endast skulle inkludera sortimentet GROT-flis. Beslutsstödets optimeringsutfall skulle jämföras mot en historisk periods flöde för kvantifiering av förbättringspotential. 2.1 Beslutsstödets modellformulering Optimeringsmodellen syftar till att destinera optimalt antal MWh GROT-flis (x) från tillgångsnod (i) till efterfrågenod (j) i syfte att maximera den totala vinsten. Till varje GROT-flisflöde (x ij ) kopplas en intäktsparameter (II j ) samt 5 kostnadsparametrar (RK i, ST i, TL ij, STL ij, TF ij ). Kopplade till dessa parametrar finns dessutom binära parametrar (a j, b i, c i, d ij, e ij, f ij ) som anger huruvida intäkt- och kostnadsparametrarna ska inkluderas i respektive flöden. Modellens restriktioner gör att leveranser inte kan överstiga tillgång (T i ) samt att varje mottagares inleveranser sker efter efterfrågan (E j ). Det är dock möjligt att tillåta avvikelser från varje mottagares leveransplan (beställd energimängd) genom att ange ett procentuellt intervall för tillåten underleverans (LP j min ) respektive överleverans (LP j max ). Optimeringen räknar intäkt minus kostnad för alla potentiella flöden och väljer slutligen flödeskombinationen med högst totalt värde förutsatt att alla restriktioner är uppfyllda. Den matematiska formuleringen utgör ett linjärt programmeringsproblem och löses som ett sådant. Gränssnittet för den matematiska problemformuleringen följer metodiken beskriven i Carlsson och Rönnqvist (1998) avseende ett taktiskt flödesproblem utan returer. I liknande problemformuleringar finns normalt jämnhetsrestriktioner i syfte att skapa balans mellan terminalers inflöde och utflöde. Dessa restriktioner utlämnandes i denna modell då terminalerna existerar både som tillgångsnoder och som efterfrågenoder vilket innebär att de som tillgångsnoder har specifika tillgångsrestriktioner kopplade till sig och som efterfrågenoder specifika efterfrågerestriktioner kopplade till sig. Detta gör att råvaruflödet till och från terminaler styrs av befintliga restriktioner. Den matematiska modellen har då följande formulering: Max x ij (II j a j RK i b i ST i c i TL ij d ij STL ij e ij TF ij f ij ) i=1 j=1 16 x ij j=1 196 x ij i=1 196 x ij i=1 T i i = 1,, 196 E j (E j LP j min ) j = 1,, 16 E j + (E j LP j max ) j = 1,, 16 x ij 0, i, j 16

15 där Index: i = Tillgångsnoder: Församlingar (194) och terminaler (2) j = Efterfrågenoder: Värmeverk (14) och terminaler (2) Modellparametrar: Beslutsvariabel: x ij = Flöde av GROT-flis från tillgångsnod i till efterfrågenod j Konstanter: T i = E j = LP min j = LP max j = II j = RK i = ST i = TL ij = STL ij = TF ij = Råvarutillgång vid tillgångsnod i Efterfrågan vid efterfrågenod j Tillåten underleverans, jämfört mot leveransplan, vid efterfrågenod j Tillåten överleverans, jämfört mot leveransplan, vid efterfrågenod j Intäkt vid efterfrågenod j Råvarukostnad inklusive skotning vid tillgångsnod i Sönderdelningskostnad vid användning av traktorhugg vid tillgångsnod i Transportkostnad vid användning av lastväxlare från tillgångsnod i till efterfrågenod j Sönderdelningskostnad vid tillgångsnod i samt transportkostnad från tillgångsnod i till efterfrågenod j vid användning av lastbilshugg. Transportkostnad vid användning av flisbil från tillgångsnod i till efterfrågenod j Binära parametrar styrande vilka intäkter och kostnader som är kopplade till respektive flöde: a j = b i = (1, 0) Om intäkt 1, ej intäkt 0 (0 vid transport till terminal) (1, 0) Om råvarukostnad 1, ej råvarukostnad 0 (0 vid transport från terminal) c i = (1, 0) Om traktorhugg används 1, ej traktorhugg 0 d ij = (1, 0) Om lastväxlare används 1, ej lastväxlare 0 e ij = (1, 0) Om lastbilshugg används 1, ej lastbilshugg 0 f ij = (1, 0) Om flisbil används 1, ej flisbil 0 17

16 Modellparametrarna angavs i följande enheter: flöden och efterfrågan i MWh, intäkt i kr/mwh, tillgång i m 3 s, råvarukostnad i kr/m 3 s, leveransplansavsteg i % och tariffer för transport och sönderdelning i kr/ton samt kr/tonkm. Att modellparametrarna gavs olika enheter berodde på att det skulle vara lätt att mata in data i sin befintliga form till beslutsstödet men det medförde att det fanns ett behov av ett verktyg för enhetskonvertering. För att få verktyget för enhetskonverteringen så exakt som möjligt utsöktes, i SDC (SDC, 2013a), bolagets totala flöde av GROT-flis under 2011 och utifrån utsökningen skapades en konverterare baserat på ett års medelvärden. Konverteraren byggdes in i BioMax så att alla enheter slutligen automatiskt konverteras till MWh som är mottagarnas handelsenhet avseende biobränslen. Majoriteten av databehandlingen genomfördes i Microsoft Excel men alla uträkningar i det färdiga beslutsstödet är dolda bakom kommandoknappar (Bilaga 1-4). Programmeringsspråket som användes vid skapandet av mjukvaran var Visual Basic. Optimeringssteget genomfördes i optimeringslösaren Premium Solver Platform. Data sorterades och exporterades, genom Visual Basic, från Excel till programmet ArcGIS 10.1 i vilket flödeskartan (Bilaga 5) autogenererades via en sekvens av verktyg. Kartor avseende upptagningsområden skapades i samma program men genom verktyget select by polygon. 2.2 Skapande av avståndsmatris Inledningsvis utsöktes alla församlingar i AB Karl Hedins verksamhetsområde som geografiska ytor i programmet ArcGIS (Figur 2). Dessa församlingar användes som aggregeringsenheter för råvara och i varje församling genererades en geografisk mittpunkt. Mittpunkterna representerade platsen av en genomsnittligt placerad GROT-välta och användes som utgångspunkter vid utsökning av transportavstånd. GPS-koordinater för värmeverk och terminaler, som AB Karl Hedin levererar GROT-flis till, hämtades via SDC och placerades därefter som ett kartlager i ArcGIS. Församlingscentrum representerade tillgångsnoder och värmeverk representerade efterfrågenoder. Terminaler registrerades både som tillgångsnoder och efterfrågenoder. Baserat på ett kartlager över det allmänna vägnätet genererades ett Network Dataset, vilket är nödvändigt för att utsöka multipla avstånd mellan koordinater i ArcGIS. ArcGIS programmet Network Analysis verktyg OD Cost Matrix användes därefter för att länka ihop tillgångsnoderna med efterfrågenoderna via Network Datasetet och därigenom genererades en tabell över alla potentiella transportavstånd. Med hjälp av Excels funktion för pivottabeller strukturerades tabellen om till en avståndsmatris täckande totalt 3134 transportavstånd. Att 196 tillgångsnoder och 16 efterfrågenoder inte genererade 3136 transportavstånd berodde på att två transportavstånd ej existerade då de båda terminalerna fungerade både som tillgångs- och efterfrågenoder. Avstånden motsvarade avstånd baserade på Skoglig Nationell Vägdatabas - SNVDB (Frisk, 2012, pers. komm.; SDC, 2013b). Vid verkliga faktureringar framräknas betalningsgrundande transportavstånd i SNVDB genom motståndslagret Krönt Vägval (Flisberg et al., 2009). Detta kartlager beräknar effektivaste vägval snarare än kortaste vägval vilket innebär att ex. vis vägar av sämre klass och stadskörning undviks vilket kan generera något längre transporter som däremot är mer ekonomiska och miljövänliga. I denna analys togs ingen hänsyn till Krönt Vägval då kortast möjliga transportavstånd utsöktes direkt via allmänna vägnätet. 18

17 Figur 2. AB Karl Hedins verksamhetsområde med visualiserad vägsträckning från varje församlingscentrum (LKF) till närmaste mottagare. Figure 2. AB Karl Hedin's operational area with transport paths visualized from each parish center (LKF) to the nearest receiver. 2.3 Beräkningssteg vid modelltillämpning I ett optimeringssteg innan huvudoptimeringen utsöktes, efter lägsta kostnad, lämpligaste maskinsystem för alla potentiella flöden (tillgångsnod till efterfrågenod). Valet gjordes mellan kombinationen traktorhugg/lastväxlare och lastbilshugg. Baserat på tariffer uträknades vad kostnaden (kr/mwh) var för flisning och transport för de båda maskinsystemen vid olika transportavstånd. Med hjälp av räta linjens ekvation utsöktes därefter vid vilket transportavstånd brytpunkten låg och därmed identifierades vart gränsen gick från vilken det ena maskinsystemet var billigare än det andra. Med detta som utgångspunkt valde beslutsstödet alltid det billigaste maskinsystemet till respektive flöde i huvudoptimeringen. Huvudoptimeringens uppställning följde strukturen i en ekonomisk resultaträkning vilket visualiseras i en flödeskarta (Figur 3) över beräkningstegen i BioMax. I flödeskartan representerar sex av indatarutorna de modellparametrar som är kopplade till intäkter och kostnader. Dessa enheter konverteras i indatarutorna till kr/mwh och räknades därefter 19

18 samman per flöde. Avståndsmatrisen fanns även representerad för att möjliggöra uträkning av transportkostnader. Figur 3. Flödeskarta över BioMax:s beräkningssteg. Figure 3. Flowchart over the calculation steps in the BioMax. Beskrivning av huvudprocesserna i BioMax beräkningssteg: Koppling av indata till variabelceller Indataenheten (kr/mwh) multiplicerades med variabelcellerna (antal MWh) för att generera ett ekonomiskt netto per flöde. Optimering Genom att optimera beslutsvariablernas värden utsöker modellen hur många MWh GROT-flis som är optimalt att transportera från respektive församling till respektive mottagare i syfte att maximera den totala vinsten (flödesnettona summerade). Resultat Beslutsstödet genererar en flödeskarta (Bilaga 5) över optimeringens föreslagna destinering (fördelat på maskinsystem och flödesstorlekar) samt följande rapporter: 20

19 Flöden (MWh): totala inleveranser, inleveranser per mottagare och leveranser från församling (Bilaga 6). Ekonomisk vinst (kr): total vinst, vinst per mottagare och per församling (Bilaga 7). Täckningsbidrag (kr/mwh): varje enhets särintäkter minus särkostnader. Redovisas per flöde (Bilaga 8). Transportarbete (ton*km): totalt, per flöde, och per transportslag. Rapporten visar även föreslaget transportslag för respektive flöde samt viktvägt medeltransportavstånd totalt och per transportslag. (Bilaga 9). Energieffektivitet (kwh/mwh): energiförbrukning (kwh) i form av diesel som krävs för att sönderdela och transportera in en MWh GROT-flis. Redovisas totalt, per flöde samt ett medel av flödesvärdena (Bilaga 10). Ett viktvägt medeltransportavstånd är ett avstånd som påverkas dels av råvaruflödens sträckning (km) och dels av råvarumängd (ton) som transporteras längs det. Det innebär att stora flöden påverkar värdet mer än små. 2.4 Analys av fallstudie För att kvantifiera beslutsstödets ekonomiska förbättringspotential genomfördes körningar med data från det verkliga GROT-flisflödet under biobränslesäsongen 11/12 (september maj 2012). Historiska data hämtades från SDC och endast energimängder transporterade under perioden destinerades i optimeringarna för att säkerställa att endast tillgängliga energimängder behandlades. Testkörningarna genomfördes i form av en fallstudie indelad i två scenarier: Scenario 1 - Optimering genomfördes med historisk, identisk tillgång och efterfrågan från testperioden. Beslutsstödet gavs således utrymme att styra destinering och maskinsystemval medan respektive mottagares inlevererade energimängd hölls konstant. Scenario 2 - Optimering genomfördes med historisk, identisk tillgång från testperioden. Avseende efterfrågan tilläts en avvikelse på maximalt 10 % (LP j min = 10 %, LP j max = 10 %) från varje mottagares verkliga inlevererade energimängder. Beslutsstödet gavs således dessutom utrymme att till viss del omfördela energimängder mellan mottagare. I båda scenarierna genomfördes optimeringar i tre olika aggregeringsnivåer i syfte att undersöka effekter av optimeringshorisontens längd: Månadsvis optimering: nio optimeringar med en månads optimeringshorisont. Kvartalsvis optimering: tre optimeringar (sep till nov, dec till feb, mar till maj) med tre månaders optimeringshorisont. Säsongsvis optimering: en optimering med nio månaders optimeringshorisont. 2.5 Känslighetsanalys av traktorhugg/lastväxlares tariffer En känslighetsanalys genomfördes i syfte att analysera vilken optimeringseffekt en relativ kostnadsförändring av traktorhugg/lastväxlares tariffer har på systemval och på total vinst. Traktorhugg/lastväxlares tariffer justerades stegvis i sex intervaller om 10 % (- 30 % till + 30 %) medan lastbilhuggens tariff hela tiden hölls konstant på ursprungspriset. I syfte att kvantifiera systemvalets påverkan på den totala vinsten genomfördes även optimeringar där endast ett maskinsystem åt gången tilläts. Förutsättningarna från Scenario 1 och kvartalsvis optimeringshorisont användes. 21

20 3. Resultat 3.1 Kartläggning av testperiodens historiska GROT-flis flöde 87 % av AB Karl Hedins totala GROT-flis flöde, motsvarande 72 GWh, kartlades i studien. Resterande 13 % av flödet var från tidigare Weda-trakter som låg utanför det normala verksamhetsområdet. Vid rådande prislistor var det ekonomiskt fördelaktigt att använda lastbilshugg upp till ett transportavstånd på 131 km och vid längre avstånd var traktorhugg/lastväxlare det billigare alternativet. Grunddata från biobränslesäsongen 11/12 sammanställs i Tabell 2. Tabell 2. Data från testperioden september 2011 till maj 2012 Table 2. Key data for the test period from September 2011 to May 2012 Testperiodens grunddata Verkligt Tillgångsnoder 196 st. Efterfrågenoder 16 st. Kartlagd energimängd (MWh) Medelvältans storlek (m 3 s) 485 Sönderdelning traktorhugg/lastväxlare 68 % Sönderdelning lastbilshugg 32 % Transportarbete totalt (ton*km) Transportavstånd medel (km) 52,3 (min 3,3; max 168,9) Transportandel traktorhugg/lastväxlare 72 % Transportandel lastbilshugg 26 % Transportandel flisbil 2 % Figur 4 visar hur efterfrågan varierade under biobränslesäsongen 11/12 med störst inlevererade energimängder under vintermånaderna. Inleveranser (MWh) sep okt nov dec jan feb mar apr maj Månad Figur 4. De månadsvisa inleveranserna av GROT-flis under perioden september 2011 till maj Figure 4. The monthly deliveries of forest residue chips during the period of September 2011 to May